本研究比较了GPT4-Vision与其他多模态大型语言模型在决策制定中的表现，发现GPT4-Vision在准确率上优于其他模型。研究还探讨了LLM系统的设计空间、任务规划和知识模型的引入，提出了多项改进方法，显著提升了智能体在复杂任务中的表现。

本文提出了一种混合预测方法，将知识模型与机器学习结合，成功预测混沌动力系统的演化。研究表明，在高噪声条件下，机器学习的建模和控制性能优于传统方法，且新方法提高了对混沌系统长期预测的能力，展示了机器学习在混沌动力学中的应用潜力。

本文介绍了一种结合语言模型与知识的问答方法，旨在提高开放域问题回答的性能。通过整合结构化和非结构化知识，提出了统一的知识模型，显著提升了问答系统的准确性和效率。研究开发的KGQAn系统能够灵活处理不同知识图谱，表现优于现有系统，实验结果在多个基准测试中取得了优异成绩。

我们开发了一系列以DiffuCOMET为基础的知识模型，通过扩散学习重建叙事背景和相关常识之间的内在语义联系，提供了一种解决方案。DiffuCOMET在常识多样性、上下文相关性和与已知参考文献的一致性方面的平衡优于基准知识模型。